Matplotlib 如果我们不'；是否在新环境下安装tensorflow？

为什么我们需要安装tensorflow作为一个环境

如果我们这样做，当tensorflow被激活时，许多公共库都不可用

大多数公共库（如matplotlib、panda等）不在tensorflow环境中。所以我们必须重新安装才能使用它们

那么，为什么不在root下安装，这样我们就不必在新环境下重新安装所有这些库了

---

谢谢。

你不需要。但你必须承受后果。不确定是否有，很容易检查。但想象一下，我不明白你想要什么。如果你有一个新的“将降级”是什么意思？另外，如果我们需要同时运行tensorflow，那么必须逐个重新安装所有这些库，这不是很麻烦和不方便吗？因为默认情况下它们不在tensorflow中。对于任何给定的库，您只能安装一个版本。想象一下，你的根目录有最新的numpy 1.13.3。现在，想象一下，由于某种原因，TF开发人员决定不支持numpy 1.13，因为有些事情发生了变化，TF无法工作。这将反映在他们的安装脚本中。对于pip，这类似于

numpy<1.13

。就预构建二进制文件而言，处理方式可能有所不同。但这是一个限制，处于活动状态的包管理器现在需要找到一些库版本的组合来满足所有需求。numpy 1.13.3将替换为1.12.x。现在，需要将numpy 1.13.3替换为1.12。可以对具有req的其他lib X产生影响。比如

numpy>=1.13

（有时没有解决方案！）。这是最好的解决包冲突的方法。因此，其他LIB可能会受到影响。使用虚拟环境可以与envs针对特定用例构建的环境进行斗争。大多数情况下，只需要对非常复杂的软件有很多严格的要求。除了硬盘空间外，拥有许多虚拟环境没有问题。他们彼此不干涉！你不需要。但你必须承受后果。不确定是否有，很容易检查。但想象一下，我不明白你想要什么。如果你有一个新的“将降级”是什么意思？另外，如果我们需要同时运行tensorflow，那么必须逐个重新安装所有这些库，这不是很麻烦和不方便吗？因为默认情况下它们不在tensorflow中。对于任何给定的库，您只能安装一个版本。想象一下，你的根目录有最新的numpy 1.13.3。现在，想象一下，由于某种原因，TF开发人员决定不支持numpy 1.13，因为有些事情发生了变化，TF无法工作。这将反映在他们的安装脚本中。对于pip，这类似于

numpy<1.13

。就预构建二进制文件而言，处理方式可能有所不同。但这是一个限制，处于活动状态的包管理器现在需要找到一些库版本的组合来满足所有需求。numpy 1.13.3将替换为1.12.x。现在，需要将numpy 1.13.3替换为1.12。可以对具有req的其他lib X产生影响。比如

numpy>=1.13

（有时没有解决方案！）。这是最好的解决包冲突的方法。因此，其他LIB可能会受到影响。使用虚拟环境可以与envs针对特定用例构建的环境进行斗争。大多数情况下，只需要对非常复杂的软件有很多严格的要求。除了硬盘空间外，拥有许多虚拟环境没有问题。他们彼此不干涉！